Data Science · मराठी आवृत्ती

9.1 Messy sample: सुरुवातीचा data

रवींद्र बागले यांच्या course वर आधारित · सहज मराठीत explanation

या sample मध्ये city चा case वेगळा आहे, amount text मध्ये आहे, एक duplicate आहे आणि minutes मध्ये संशयास्पद value आहे. आधी raw data तयार करा:

import pandas as pd
import numpy as np

raw = pd.DataFrame({
    "Order ID": ["BLK-1", "BLK-2", "BLK-2", "AMN-3", "BLK-4", "BLK-5"],
    "City": ["Pune", "pune", "Pune", "Nashik", None, "Nagpur"],
    "Amount": ["64", "90", "90", "1,299", "200", "N/A"],
    "Status": ["Delivered", "Delivered", "Delivered", "Cancelled", "Delivered", "Returned"],
    "Mins": [9, 12, 12, 14, 999, 11],
})
raw

आत्ता values बदलू नका. पुढच्या steps मध्ये प्रत्येक बदल का करतोय ते पाहू. Raw copy जपून ठेवली की आधी/नंतर तुलना करता येते.